長鞭效應（Bullwhip Effect）

供應鏈的最大目標就是要讓供應商能快速而有效率的適時提供客戶所需的商 品，然而，當客戶的需求處於極大的波動狀態時，供應鏈的所有流程也會跟著扭 曲，造成供應鏈中所有的上下游廠商其需求變化跟著上下震盪，這種需求上下震 盪的情形愈往上游波動愈大，此現象稱為長鞭效應。Richard Metters【25】對長 鞭效應作了如下的描述：考慮存在於供應鏈中的廠商，在供應鏈體系中，外部顧 客對最下游的廠商提出需求，但在較上游的廠商所面對的卻是下游廠商所提的需 求，而不是外部顧客所提出的需求。這現象將會造成需求呈現週期性預測錯誤，

且越往上游錯誤越大，這種需求扭曲稱為長鞭效應。

在過去，長鞭效應被認為是從訂單到運送的過程中常且無法避免的效應，然 而，這種負面的影響常常造成企業的品質問題、庫存過多、原物料成本過高、加 班費用以及運送的成本提高等種種困擾；若是情況更糟糕的話，會造成企業對客 戶的服務品質降低了、前置時間延長了、銷售契機消失了、成本提高了以及產能 不斷地調整等企業績效的問題，因此，降低或消弭長鞭效應對供應鏈的影響實為 讓供應鏈有效率的重要課題。 圖一表示了存在於一般製造業中常見的供應鏈長鞭 效應。

圖 二：製造業長鞭效應

客戶 下游產品製造廠 中游產品製造廠 上游產品製造廠

若能有效的控制供應鏈中變異性的增加，則能有效的控制長鞭效應，

Simchi-Levi 等人【25】認為整個供應鏈變異性增加的主要因素如下所述：

1. 需求預測：傳統的存貨政策會導致長鞭效應的產生，在供應鏈中常使用最小最 大存貨政策（ Min-max Inventory Policy），當供應鏈中廠商的存貨水準低 於再訂購點時，便提高其存貨水準到訂購上限的水準（Order-Up-To-Level）。

再訂購點通常為前置時間內的平均需求加上前置時間內需求的標準差乘數，而 採用標準預測平滑技術（Standard Forecast Smoothing Techniques）則可計 算出平均需求以及需求變異性。當資料量越多時，越需要修正顧客需求的平均 值及標準差，因為安全存貨及訂購上限水準都強烈依賴這些數值，當訂購量改 變，變異性也隨之增加。

2. 前置時間：變異性的增加會隨著前置時間的增長而擴大，因為在計算安全存貨 及再訂購點時，需要考慮到前置時間這個乘數，前置時間變長，安全存貨、再 訂購水準以及訂購數量也會隨著增加，這意味著變異性的增加。

3. 批次訂購：若供應鏈下游的廠商採用批次訂購，則上游廠商將會面對一個扭曲 且高度變異的訂單類型。使用批次訂購的原因有很多，包括訂購費用及運輸費 用的考慮。

4. 價格變動：價格變動通常也會造成長鞭效應，在價格下降的時候零售商通常會 傾向於累積庫存量。許多廠商在進行促銷或折扣活動時，常會造成這種現象。

5. 數量寬放太多的訂單：在存貨短缺時，供應鏈中各層供應商會做出過量的訂購 決定，這樣的決定會擴大長鞭效應，而當存貨正常時，訂購量又會回歸於正常 的標準，這樣的結果會造成需求的扭曲及變異性的增加。

由以上的五點描述可知，要改善長鞭效應就必須降低供應鏈中的各種變異性及不 確定性，其改善的方法如下所示：

1. 降低不確定性：透過整個供應鏈做集中式需求資訊，可以降低整個供應的不確 定性，但即使供應鏈中每個廠商都採用相同的資訊、相同的預測方法以及相同的 存貨政策，長鞭效應仍會存在。

2. 降低變異性：利用降低存在於顧客需求程序中的變異性，應可減少長鞭效應，

例如。降低供應鏈下游零售商的需求變異性，則上游的廠商也會跟著降低變異性，

減少長鞭效應所帶來的影響。

3. 減少前置時間：前置時間會擴大需求預測所造成的變應性的增加，前置時間包 括兩個元素，即訂單的前置時間以及資訊流的前置時間。訂單的前置時間可以透 過越庫作業（Cross-docking）來降低，資訊的前置時間則可透過電子資料交換

（Electronic Data Interchange）來降低。

4.策略聯盟關係：策略聯盟會改變整個供應鏈中資訊分享以及存貨管理的方式，

所以藉由策略聯盟可以降低整個供應鏈的長鞭效應。但要強調的是，所分享的資 訊應該是反應真實的資訊，若分享不真實的資訊非但不會降低長鞭效應，反而更 會增加長鞭效應的影響。